资料下载
×
特斯拉自动驾驶中的OccupancyNetworks&NeRFs
消耗积分:0 |
格式:pdf |
大小:0.24 MB |
2023-06-06
刘辉
分享资料个
我们知道特斯拉曾经发生过一些自动驾驶事故导致车毁人亡的事件，原因就是物体检测（Object Detection）的不稳定性或者说是基于Deep Learning或Machine Learning检测模型的不稳定 性 不稳定的原因主要表现在以下方面：一、数据的长尾分布问题，极端样例（Corner Case）出现的概率非常小，但是根据大数定律在一个充分长的时间里Corner Case一定会发生，而在 Corner Case样本很少时模型无法学习到检测这些物体。二、模型本身的不稳定性，这种不稳定表现在即便待学习的物体有大量的样本，那么也会出现无法检测的现象，这种现象叫 AdversarialAttack（对抗攻击），甚至检测正确的样本修改一个像素也可能导致被检测的概率大幅下降。三、是分类（Classification）算法的局限性，分类算法只能分类训练数据内的有 限类别，这会导致未见过类别（UnseenCategory）的漏检问题。四、困难样本问题（Hard Sample），检测或分类在边界样例情况的不确定性
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
